Important
Selecionar cultivares superiores para produtividade de grãos, altura de planta e acamamento utilizando o índice de seleção probabilístico Bayesiano (BPSI) (Chagas et al. 2025)
Análise individual
\[ \mathbf{y} = \mathbf{X_1b} + \mathbf{Z_1g} + \mathbf{\epsilon} \]
onde \(\mathbf{y}\) é o vetor das observações fenotípicas, \(\mathbf{b}\) é o vetor dos efeitos fixos de repetição, \(\mathbf{g}\) é o vetor dos efeitos aleatórios de genótipo e \(\mathbf{\epsilon}\) é o vetor dos efeitos residuais. \(\mathbf{X_1}\), \(\mathbf{X_2}\) e \(\mathbf{Z_1}\) são matrizes de incidência dos efeitos \(\mathbf{b}\) e \(\mathbf{g}\) respectivamente.
\[ h^2 = \sigma^2g / \sigma^2g + \sigma^2e \]
onde \(\sigma^2g\) é a variância genética e \(\sigma_e^2\) é a variância do erro.
\[ CV = \frac{\sigma_e}{\mu} \times 100 \]
onde \(\mu\) é a média da característica.
\[LRT= −2 \times (Log𝐿 - Log L_𝑅)\]
onde \(L\) é o ponto máximo da função de verossimilhança restrita do modelo completo e \(L_R\) é o mesmo para o modelo reduzido, ou seja, sem o efeito a ser testado. O valor de LRT foi comparado com o valor tabulado com base na tabela qui-quadrado, a um grau de liberdade e probabilidade de 0,95.
DGM Lab